大疆笔试——机器学习提前批

Posted 2022-09-19 fpga和matlab

1、考察 L1 和 L2 正则化的区别

L0 范数：向量中非0元素的个数。

L1 范数 (Lasso Regularization)：向量中各个元素绝对值的和。

L2 范数(Ridge Regression)：向量中各元素平方和再求平方根。

L0 范数和 L1 范数都能够达到使参数稀疏的目的，但 L0 范数更难优化求解，L1 范数是 L0 范数的最优凸近似，而且它比 L0 范数要容易优化求解。

L2 范数不但可以防止过拟合，提高模型的泛化能力，还可以让我们的优化求解变得稳定和快速。L2 范数对大数和 outlier 更敏感！

2、考察 SVM 决策边界

四个点坐标为(1,1)，(1,0)，(-1,-1)，(-1,0)，用 SVM 分类的决策边界是

A. y = x

B. x = 0

C. y = -x

D. y = 0

更多名企笔试真题解析、面试经验交流、招聘信息内推，尽在牛客！

求职之前，先上牛客！快快下载拿offer！

牛客APP下载_C++Java前端经典笔试面试题库_牛客网

填空题

经过下列卷积操作后，3×3 conv -> 3×3 conv -> 2×2 maxpool -> 3×3 conv，卷积步长为 1，没有填充，输出神经元的感受野是多大？
100×100×3，3×3 卷积核，输出是 50×50×10，算进行了多少次乘-加操作？

简答题

简述梯度下降法和牛顿法的优缺点&#x